在日常商業活動中，有各種各樣的職能劃分：增長、內容、活動、產品，雖然具體工作和最終目標不一樣，但其實都是圍繞著「用戶」去做，可以說都是在做「用戶營運」。如今伴隨著流量紅利的結束、獲客成本的不斷提高，我們進入了一個用戶精細化營運階段。在這個階段中，我們不得不使用一個工具——用戶「畫像」標籤體系。
今天我們就來說說用戶畫像。
本文重點：1.用戶畫像在數據分析中的應用；2.如何建構用戶畫像。
一、 什麼是用戶畫像
用戶畫像（User Persona）的概念最早由交互設計之父Alan Cooper提出，是建立在一系列屬性數據之上的目標用戶模型。一般是產品設計、營運人員從用戶群體中抽象出來的典型用戶，本質是一個用以描述用戶需求的工具。
Personas are a concrete representation of target users.
真實用戶的虛擬代表
——交互設計之父Alan Cooper
但隨著互聯網的發展，現在我們說的用戶畫像（User Profile）又包含了新的內涵：根據用戶人口學特徵、網路瀏覽內容、網路社交活動和消費行為等資訊而抽象出的一個標籤化的用戶模型。
它的核心工作主要是利用存儲在 伺服器上的海量日誌和資料庫里的大量數據進行分析和挖掘，給用戶貼「標籤」，而「標籤」是能表示用戶某一維度特徵的標識，主要用於業務的營運和數據分析。（如圖所示）
二、為什麼需要用戶畫像
用戶在企業發展的過程中有舉足輕重的作用，主要的應用有：
**1、精準行銷：**這是營運最熟悉的玩法，在從粗放式到精細化營運過程中，將用戶群體切割成更細的粒度，輔以簡訊、推送、郵件、活動等手段，驅以關懷、挽回、激勵等策略。
**2、用戶分析：**用戶畫像也是了解用戶的必要補充。產品早期，產品經理們通過用戶研究和訪談的形式了解用戶。在產品用戶量擴大后，研究的效用降低，這時候就可以輔以用戶畫像配合研究。方向包括新增的用戶有什麼特徵，核心用戶的屬性是否變化等等。
**3、數據應用：**用戶畫像是很多數據產品的基礎，諸如耳熟能詳的推薦系統廣告系統，廣告基於一系列人口統計相關的標籤，性別、年齡、學歷、興趣偏好、手機等等來進行投放的。
**4、數據分析：**用戶畫像可以理解為業務層面的數據倉庫，各類標籤是多維分析的天然要素。數據查詢平台會和這些數據打通，最後輔助業務決策。
三、用戶畫像的主要內容
用戶畫像一般按業務屬性劃分多個類別模塊。除了常見的人口統計，社會屬性外，還有用戶消費畫像、用戶行為畫像，用戶興趣畫像等。
人口屬性和行為特徵是大部分互聯網公司做用戶畫像時會包含的：人口屬性主要指用戶的年齡、性別、所在的省份和城市、教育程度、婚姻情況、生育情況、工作所在的行業和職業等。行為特徵主要包含活躍度、忠誠度等指標。
除了以上較通用的特徵，用戶畫像包含的內容並不完全固定，根據行業和產品的不同所關注的特徵也有不同。
①以內容為主的媒體或閱讀類網站、搜索引擎，或通用導航類網站，往往會提取用戶對瀏覽內容的興趣特徵，比如體育類、娛樂類、美食類、理財類、旅遊類、房產類、汽車類等等。
②社交網站的用戶畫像，也會提取用戶的社交網路，從中可以發現關係緊密的用戶群和在社群中起到意見領袖作用的明星節點。
③電商購物網站的用戶畫像，一般會提取用戶的網購興趣和消費能力等指標。網購興趣主要指用戶在網購時的類目偏好，比如服飾類、箱包類、居家類、母嬰類、洗護類、飲食類等。消費能力指用戶的購買力，如果做得足夠細緻，可以把用戶的實際消費水平和在每個類目的心理消費水平區分開，分別建立特徵緯度。
④像金融領域，還會有風險畫像，包括徵信、違約、洗錢、還款能力、保險黑名單等。
另外還可以加上用戶的環境屬性，比如當前時間、訪問地點LBS特徵、當地天氣、節假日情況等。當然，對於特定的網站或App，肯定又有特殊關注的用戶維度，就需要把這些維度做到更加細化，從而能給用戶提供更精準的個性化服務和內容。
四、如何建構用戶畫像
業內有很多關於創建用戶畫像的方法，比如Alen Cooper的「七步人物角色法」，Lene Nielsen的「十步人物角色法」等，這些都是非常好並且非常專業的用戶畫像方法，值得我們借鑒和學習。
事實上，當我們了解了這些方法之後，就會發現這些方法從流程上可以分為3個步驟：獲取和研究用戶資訊、細分用戶群、建立和豐富用戶畫像。在這3大步驟中，最主要的區別在於對用戶資訊的獲取和分析，從這個維度上講主要有以下三種方法：
簡單來說，定性就是去了解和分析，而定量則是去驗證。一般而言，定量分析的成本較高、相對更加專業，而定性研究則相對節省成本。因此創建用戶畫像的方法並不是固定的，而是需要根據實際項目的需求和時間以及成本而定。創建用戶畫像的方法，並沒有嚴格意義的最專業和最科學，但是有最適合團隊和項目需求的。
好的用戶畫像是理解用戶的決策，考慮業務場景和業務形態的。這裡我們介紹一種簡單的建構用戶畫像方法。
1、數據採集
建構用戶畫像是為了還原用戶資訊，因此數據來源於所有用戶相關的數據。用戶數據劃分為靜態數據、動態數據兩大類。
靜態數據：用戶的人口屬性、商業屬性、消費特徵、生活形態、CRM五大維度，其獲取方式存在多種，數據挖掘是最為常見也是較為精準的一種方式，如果數據有限，則需要定性與定量結合補充。定性方法如小組座談會、用戶深訪、日誌法、Laddering 階梯法、透射法等，主要是通過開放性的問題潛入用戶真實的心理需求，具象用戶特徵；定量更多是通過定量問卷研究的方式進行，關鍵在於後期定量數據的建模與分析，目的是通過封閉性問題一方面對定性假設進行驗證，另一方面獲取市場的用戶分佈規律。
動態數據：用戶不斷變化的行為資訊，一個用戶打開網頁，買了一個杯子；與該用戶傍晚溜了趟狗，白天取了一次錢，打了一個哈欠等等一樣都是用戶行為。隨著互聯網的發展，各種動態的行為數據都可以被記錄下來。 2、目標分析
用戶畫像的目標是通過分析用戶行為，最終為每個用戶打上標籤，以及該標籤的權重。標籤，表徵了內容，用戶對該內容有興趣、偏好、需求等等。權重，表徵了指數，用戶的興趣、偏好指數，也可能表徵用戶的需求度，可以簡單的理解為可信度，概率。
3、數據建模
一個事件模型包括：時間、地點、人物三個要素。每一次用戶行為本質上是一次隨機事件，可以詳細描述為：什麼用戶，在什麼時間，什麼地點，做了什麼事。
**①用戶：**關鍵在於對用戶的標識，用戶標識的目的是為了區分用戶、單點定位。
**②時間：**時間包括兩個重要資訊，時間戳和時間長度。時間戳，為了標識用戶行為的時間點；時間長度，為了標識用戶在某一頁面的停留時間。
**③地點：**用戶接觸點，Touch Point。對於每個用戶接觸點。潛在包含了兩層資訊：網址和內容。網址：每一個連結（頁面/螢幕），即定位了一個互聯網頁面地址，或者某個產品的特定頁面。可以是PC上某電商網站的頁面，也可以是手機上的微博，微信等應用某個功能頁面，某款產品應用的特定畫面。如，長城紅酒單品頁，微信訂閱號頁面，某遊戲的過關頁。
**④內容：**每個網址（頁面/螢幕）中的內容。可以是單品的相關資訊：類別、品牌、描述、屬性、網站資訊等等。如，紅酒，長城，干紅，對於每個互聯網接觸點，其中網址決定了權重；內容決定了標籤。
**⑤事情：**用戶行為類型，對於電商有如下典型行為：瀏覽、添加購物車、搜索、評論、購買、點擊贊、收藏 等等。
綜合上述分析，用戶畫像的數據模型，可以概括為下面的公式：用戶標識+時間+行為類型+接觸點（網址+內容），某用戶因為在什麼時間、地點、做了什麼事。所以會打上標籤。
用戶標籤的權重可能隨時間的增加而衰減，因此定義時間為衰減因子r，行為類型、網址決定了權重，內容決定了標籤，進一步轉換為公式：標籤權重=衰減因子×行為權重×網址子權重。
五、注意事項
1、不要把典型用戶當作用戶畫像
不能把典型用戶當作用戶畫像。每年的微信生活白皮書中，微信官方都會公布典型用戶的一天：工作日每天 7 點起床刷朋友圈、7:45 出門路上讀文章……很多用戶看了表示這完全就是自己啊！不過也有不少人吐槽：我也是微信重度用戶，但這個典型的一天的跟我怎麼完全不符合？
為什麼會出現如此截然相反的回饋呢？原來是這些人把「典型用戶」跟「用戶畫像」的概念搞混了。因為以上描述典型用戶這些特點，只是把用戶特徵抽象出來，組合在一起，事實上典型用戶是虛構的，並不真實存在。而用戶畫像是把用戶以標籤的形式表現出來，每一個真實存在的用戶都有對應的用戶畫像。
2、不要把用戶畫像簡單理解成由用戶標籤構成
這也是 50% 以上的人都可能存在的錯誤認知，即把用戶畫像簡單理解成由用戶標籤構成。用戶標籤是用來概括用戶特徵的，比如說姓名、性別、職業、收入、養貓、喜歡美劇等等。這些標籤表面上看沒有什麼問題，但是實際上組成用戶畫像的標籤要跟業務/產品結合。
舉個誇張的例子，海底撈要做用戶畫像，最後列出來小明是一個大學生、高富帥、獨生子、四川人，愛玩遊戲、愛看動漫等用戶標籤。而事實上，對於海底撈而言，用戶帥不帥、是否愛玩遊戲真的沒有關係。
3、沒有建立真正有效的用戶畫像標籤
如果你能夠建立真正有效的用戶畫像標籤，才算正確理解從而提升營運效果。這就涉及到建構用戶畫像最大的難點了。
比如某知識付費團隊要賣課，那麼建立用戶畫像最核心的訴求就是：提高課程購買數量。如果能通過用戶畫像了解用戶購買課程的意願，然後採取相應的營運策略，效率便會大幅度提高。而這個購買課程意願度，就是我們最需要放在用戶畫像里的標籤。
比如我們建立用戶畫像之後，計算出來甲購買課程的意願是 40%，乙購買課程的意願是 90%。為了進一步提高購買量，我們會對購買意願在 40% 的用戶（甲）發放優惠券。如果沒有建立這樣一個用戶畫像標籤，我們就會對甲和乙發放同樣的優惠券。而乙類用戶原本是不需要用優惠券進行激勵的，這麼一發，便會增加很多成本。這也就是電商利用用戶畫像標籤實現的大數據殺熟。
六、小結
1.我們進入了一個用戶精細化營運階段。在這個階段中，我們不得不使用一個工具——用戶「畫像」標籤體系；
2.用戶畫像是根據用戶人口學特徵、網路瀏覽內容、網路社交活動和消費行為等資訊而抽象出的一個標籤化的用戶模型；
3.用戶在企業發展的過程中有舉足輕重的作用，主要應用有：精準行銷、用戶分析、數據應用、數據分析；
4.用戶畫像包含的內容並不完全固定，根據行業和產品的不同所關注的特徵也有不同；
5.好的用戶畫像是理解用戶的決策，考慮業務場景和業務形態的。